基于多元回歸預(yù)測的高光譜圖像無損壓縮.pdf

1、近年來,隨著高光譜遙感技術(shù)的快速發(fā)展,高光譜圖像的空間分辨率和光譜分辨率不斷提高,數(shù)據(jù)量越來越大。鑒于其高昂的獲取代價(jià)和長期保存的需要,如何有效的對其進(jìn)行無損壓縮成為了一項(xiàng)重要的研究課題。本文根據(jù)高光譜圖像譜間相關(guān)性較強(qiáng)的特點(diǎn),利用線性回歸來訓(xùn)練不同譜段間的預(yù)測關(guān)系,去除譜間冗余。并在此基礎(chǔ)上,研究局部異常譜線對壓縮效果的影響,從而提出兩種去除局部異常譜線的方法以提高壓縮效果。具體內(nèi)容如下:
　　(1)本文實(shí)現(xiàn)了一種基于聚類的多元

2、回歸預(yù)測無損壓縮算法(C-DPCM算法)。該算法主要利用高光譜圖像的譜間相關(guān)性進(jìn)行壓縮。采用聚類預(yù)處理方法將相似度高的譜線聚為一類;采用回歸訓(xùn)練方法來計(jì)算最佳預(yù)測系數(shù),并用其預(yù)測原始圖像;原始圖像和預(yù)測圖像相減得到殘差圖像,最后對殘差圖像進(jìn)行熵編碼。實(shí)驗(yàn)結(jié)果表明,去除譜間相關(guān)性對有效壓縮高光譜圖像有重要意義,且聚類預(yù)處理方法使譜線間的相似性得到充分利用,使得該算法的壓縮結(jié)果顯著優(yōu)于傳統(tǒng)無損壓縮算法。
　　(2)本文在 C-DPCM

3、算法上添加了去除局部異常譜線的功能,提出了一種基于閾值去除局部異常譜線的C-DPCM算法。設(shè)置閾值T來表示每類譜線中局部異常譜線所占的比例,該算法先用一次回歸訓(xùn)練計(jì)算預(yù)測系數(shù)和預(yù)測值;然后按比例T去除誤差較大的譜線,即局部異常譜線;最后采用第二次回歸訓(xùn)練來計(jì)算最佳預(yù)測系數(shù)。實(shí)驗(yàn)結(jié)果表明,去除局部異常譜線后,壓縮效果得到顯著提升。
　　(3)本文在基于閾值去除局部異常譜線的C-DPCM算法的基礎(chǔ)上進(jìn)行了改進(jìn),提出了一種自適應(yīng)去除局部